正規表示式（regular expression，常簡寫作RegExp或regex，尚有「規則運算式」、「正則表達式」等多種譯法）是一種定義文字比對規則的語言，可用於尋找、取代文字。正規表示式應用極為廣泛，大多數程式語言都支援用正規表示式做文字操作，許多應用程式也可以使用，且幾乎不可能被淘汰，是非常值得投資學習的工具。

正規表示式的參考資源極多，以下提供一些通用基本觀念，以便沒有寫程式經驗的朋友瞭解一些簡單但威力無窮的應用方式，及實際用於資料檢索。文末也提供一些參考資源，供有興趣的朋友深入鑽研。

語法簡介

正規表示式中有一些特定符號或符號序列具有特殊意義，一些常用符號簡介如下：

• 「.」：表示一個任意字元，例如「a.c」可匹配「aac」、「abc」。
  • 預設情況下「.」代表的任意字元不包括換行字元，但也可設定為包括。
• 「{m,n}」：表示前一字元重複m至n次。例如「go{2,5}gle」可匹配「google」、「gooogle」、「goooogle」、「gooooogle」。
  • 逗號和n都可以省略，但m不能省，例如「go{3}gle」表示「o」重複3次，「go{5,}gle」表示「o」重複5次以上，但「go{0,3}gle」不能寫成「go{,3}gle」。
• 「*」：表示前一字元重複0次以上，相當於「{0,}」。例如「噗哈*」可匹配「噗」、「噗哈」、「噗哈哈」、……。
• 「+」：表示前一字元重複1次以上，相當於「{1,}」。例如「哈+囉」可匹配「哈囉」、「哈哈囉」、「哈哈哈囉」、……。
• 「?」：表示前一字元重複0至1次，相當於「{0,1}」。例如「colou?r」可匹配「color」或「colour」。
  • 若「?」接在重複次數後面，則其意義改為表示「優先選擇最短匹配」。正規表示式引擎的預設做法是「優先選擇最長匹配」，例如對「accccc」用「ac*」或「ac+」匹配會得到「accccc」，用「ac{2,4}?」匹配會得到「acccc」，用「ac?」匹配會得到「ac」。但用「ac*?」或「ac??」匹配會得到「a」，用「ac+?」匹配會得到「ac」，用「ac{2,4}?」匹配會得到「acc」。
  • 注意：若用「a*?c」匹配「aaaaac」會得到「aaaaac」而不是「c」。這是因為正規表示式引擎的運作方式是「由前而後，匹配優先」，也就是由第一個字元前的位置開始，在該位置的文字若能和正規表示式匹配就取作結果並結束，不能匹配則前進至下一字元的位置嘗試。此例由最前面的a之前開始，在這個位置可匹配到「aaaaac」，因此立刻結束並得到此結果。同理，用「a{1,4}?c」匹配「aaaaac」會得到「aaaac」而不是「ac」，因為首次在第一個a之前無法匹配，於是前進一字，在第二個a之前的位置可匹配到「aaaac」，因此立刻結束並得到此結果。
• 「(x)」：將x視為子群組，同時記住匹配到的值供之後使用。例如「(0+)7\1」可匹配「070」、「00700」、「0007000」、……等等（其中「\1」引用第1個子群組的值）。
  • 注意：子群組的值是x匹配到的值，而不是x表示式。「(0+)7\1」與「0+70+」不等價，比如後者可匹配「0070」而前者不能。
  • 許多工具在取代文字時可引用子群組的值。例如對文字「xabycccdz」用「x(a*b)y(c*d)z」取代為「\1,\2」會得到「ab,cccd」；若取代為「\2,\1」則會得到「cccd,ab」。有些程式（如JavaScript）不是用「\1」而是用「$1」表示。有些程式還支援其他參數，例如「$&」表示整個匹配字串。
  • 括號可巢狀嵌套。例如對文字「xabbcy」用「x(a(b+)c)y」取代為「\1,\2」會得到「abbc,bb」。
  • 子群組可能得到空值，也可能不存在。例如用「go(o*)gle」匹配「gogle」後，第1子群組是空值；用「go(o)*gle」匹配「gogle」後，第1子群組為不存在。有些程式能區分存在與不存在的子群組，進而設定不同的處理方式，例如Notepad++可以尋找文字「go(o)*gle」取代為「(?1google:fake)」，若輸入文字是「This is gooogle.」會得到「This is google.」，若是「gogle」則會得到「This is fake.」。
• 「(?<name>x)」：將x視為子群組，同時把匹配到的值記錄在名為「name」的子群組，之後可用「\k<name>」引用。例如「(?<zeros>0+)7\k<zeros>」可匹配「070」、「00700」、「0007000」、……等等。
• 「(?:x)」：將x視為子群組，但不記住x的內容。例如「(?:ya)+」可匹配「ya」、「yaya」、「yayaya」、……。
• 「(?=x)」：檢查此位置後面為x，x本身不納入匹配。例如用「予(?=.*?桂枝)(?=.*?麻黃)」匹配「予桂枝、麻黃」或「予麻黃、桂枝」都會得到「予」，而匹配「予桂枝、芍藥」則無結果。
• 「(?!x)」：檢查此位置後面非x，x本身不納入匹配。例如用「予(?!.*?桂枝)(?!.*?麻黃)」匹配「予桂枝、大棗」或「予麻黃、杏仁」都無結果，而匹配「予芍藥、生薑」會得到「予」。
• 「(?<=x)」：檢查此位置前面為x，x本身不納入匹配。例如用「(?<=曰)夫」匹配「帝曰夫道者年皆百數能有子乎」會得到「夫」，而匹配「丈夫八歲腎氣實」則無結果。
• 「(?<!x)」：檢查此位置前面非x，x本身不納入匹配。例如用「(?<!白)附子」匹配「用炮附子一錢」會得到「附子」，而匹配「用白附子一錢」則無結果。
  • 有些正規表示式引擎不支援此類逆向檢查語法，例如較舊版本瀏覽器的JavaScript；許多正規表示式引擎雖支援此語法，但x須為固定字元數，例如可使用「(?<=[abc])」或「(?<!小明|美華)」，但不可使用「(?<=a*b)」或「(?<!土匪|狗)」。
• 「x|y」：匹配x或y。例如「我(愛|喜歡)你」可匹配「我愛你」或「我喜歡你」。
  • 若用「小美|小美愛小明」匹配「我發現小美愛小明」，結果是什麼？答案是視正規表示式引擎而定，多數正規表示式引擎是「循序型」，會取第一個匹配成功的選項。就此例言，當引擎檢查到「小美」前，發現「小美」可以匹配成功，就取「小美」作為結果並略過其他選項；同樣文字如用「小美愛小明|小美」匹配，結果就會變成「小美愛小明」。但有少數正規表示式引擎是「貪婪型」，這種引擎會從匹配成功的選項中選擇最長的，因此結果會是「小美愛小明」。
• 「\」：對後一個字元做脫義處理，使其不被解釋為具有特殊意義。例如「\.」表示「.」，「\\」則表示「\」本身。
  • 若後一個字元不具特殊意義，一般是表示相同字元，例如「\,」表示「,」，「\人」表示「人」；但「\」接數字或字母可能另有特殊意義，詳見後述。
• 「\d」：匹配一個數字字元，相當於「[0-9]」。
• 「\D」：匹配一個非\d的字元。（包括換行字元）
• 「\s」：匹配一個空白或換行字元。
• 「\S」：匹配一個非\s的字元。
• 「\n」：匹配一個行尾字元（linefeed，U+000A）。
• 「\r」：匹配一個回車字元（carriage return，U+000D）。
  • Windows預設換行是「\r\n」，Linux預設換行是「\n」，Mac預設換行是「\r」。
• 「\t」：匹配一個表格字元（tab，U+0009）。
• 「\xFF」（FF為2位數的十六進位數字）：匹配相應編碼的單個字元（ASCII碼或環境使用的編碼）。例如「\x00」匹配空字元，「\x20」匹配半形空白字元。
• 「\uFFFF」（FFFF為4位數的十六進位數字）：匹配相應Unicode編碼的單個字元。例如「\u4E00」匹配「一」（U+4E00）。
  • 此語法在不同平台有不同變形。上述是JavaScript的寫法，設定Unicode標幟後也可以使用「\u{FFFF}」或「\u{FFFFF}」；其餘如Perl、PCRE、Boost使用「\x{F+}」（任意位數的十六進位數字前後加花括號）；Python使用「\uFFFF」和「\UFFFFFFFF」。
• 「\p{...}」：匹配一個指定Unicode字元集合內的字元。可用的指定方式可查閱文件。一些實用例子如下：
  • 「\p{Letter}」或「\p{L}」：匹配任何語言的文字字元，例如漢字「一」、英文字母「a」、日文假名「あ」等等。
  • 「\p{Number}」或「\p{N}」：匹配數字字元，例如阿拉伯數字0-9、漢字零「〇」等等。
  • 「\p{Punctuation}」或「\p{P}」：匹配標點符號字元，例如「,」、「.」、「，」、「。」等等。
• 「\P{...}」：匹配一個非\p{...}的字元。
• 「^」：檢查此位置為字串開頭（或可設定為行首）。例如「^小明」匹配字串開頭（或行首）的「小明」。
• 「$」：檢查此位置為字串結尾（或可設定為行尾）。例如「台灣。$」匹配字串結尾（或行尾）的「台灣。」。
• 「[...]」：匹配一個字元集合中的字元，例如「x[abc]y」可匹配「xay」、「xby」、「xcy」。
  • 「[x-y]」可指定字元區間。例如「[a-z]」可匹配「a」、「b」、「c」、…、「z」。此語法可與單個字元混用，例如「[0-9A-Za-z_,]」。
  • 「[^...]」可反轉字元集合，例如「[^abc]」表示匹配一個「a」、「b」、「c」以外的字元。
  • 在「[...]」之中除「\」、「]」、開頭的「^」、及可與前後字元形成區間的「-」以外，任何字元皆無視特殊意義，例如「[.+^-]」表示匹配「.」或「+」或「^」或「-」。

典籍檢索器無法支援的正規表示式

正規表示式極為彈性，由於技術限制，笈成典籍檢索器有些功能無法完全支援所有表示式。以下是一些已知的例子：

• 字元集合（[...]）不支援比對異體字。例如「乾[薑]」表示搜尋「乾薑」，其中「乾」比對異體字，而「薑」不比對。這是因為像「(參|耆)」可用程式替換為「([參参薓蔘]|[耆芪])」，但「[參耆]」、「[^參耆]」則無法如此處理。如有比對異體字的需求，可用前者取代後者。
• 重複次數運算子（{m,n}、*、+、?）不支援略過標點。例如「陰*」無法匹配「陽氣根於陰，陰氣根於陽」。

應用實例

以下列舉一些可在本站典籍檢索器使用的正規表示式。注意實際使用時要加上「re:」，且通常須把整個表示式加上雙引號，因為正規式示式的特殊字元通常在典籍檢索器也有特殊意義，會導致誤判。例如「re: "五(臟|藏)六(腑|府)"」表示「含有『五(臟|藏)六(腑|府)』」，如果寫成「re: 五(臟|藏)六(腑|府)」會被錯誤解讀成「含有『五』且含有『臟|藏』且含有『六』且含有『腑|府』」。

• [被披][髮發][緩缓]形：尋找「被髮緩形」的各種變形：第一字為「被」或「披」，第二字為「髮」或「發」，第三字為「緩」或「缓」，第四字為「形」。不考慮異體字。
• (披|被)(髮|發)(緩|缓)形：同上，但各字皆考慮異體字。
• (?:披|被)(?:髮|發)(?:緩|缓)形：同上，不引用子群組時，這種寫法不記錄子群組的值，可稍微提高執行速度，但寫起來稍麻煩些。
• (桂枝|麻黃)湯：尋找「桂枝湯」或「麻黃湯」。（分支選擇的範圍越小，執行越快，此寫法比「(桂枝湯|麻黃湯)」快，二者又比非正規表示式的「桂枝湯 OR 麻黃湯」快。）
• 麻黃(?!根)：尋找「麻黃」，但排除「麻黃根」中的「麻黃」。（檢索「re: "麻黃(?!根)"」與「麻黃 -麻黃根」邏輯不同：諸如「麻黃發汗，麻黃根止汗」的文本在檢索前者時可找到，而在檢索後者時會被排除。）
• (?<!白)附子：尋找「附子」，但排除「白附子」中的「附子」。
• 桂枝(?:加.{0,8}?)?湯：「桂枝湯」或「桂枝加…湯」（「…」長度8字以內）。此式可找到如「桂枝加桂湯」、「桂枝加龍骨牡蠣湯」等等。
• 桂枝.{0,10}?麻黃.{0,10}?附子：「桂枝」後10字內有「麻黃」，再後10字內有「附子」。此式可找到如「桂枝去芍藥加麻黃細辛附子湯方」。
• (?=桂枝|芍藥|生薑|甘草)(?=.{0,60}?桂枝)(?=.{0,60}?芍藥)(?=.{0,60}?生薑)(?=.{0,60}?甘草).{0,60}(?:桂枝|芍藥|生薑|甘草)：60字範圍內含有「桂枝」、「芍藥」、「生薑」、「甘草」四個關鍵詞，順序不拘。此式可找到一些含有此四種中藥的方子。
• (?=.{0,15}?朴)(?=.{0,15}?參)(?=.{0,15}?薑)(?=.{0,15}?甘)(?=.{0,15}?半).{0,15}湯：尋找某個由「朴」、「參」、「薑」、「甘」、「半」組成的湯方，各字順序不確定，長度15字以內。
• 「[^」\n]*古方[^」\n]*」：找含有「…古方…」的引言片段。

參考資源

正規表示式的參考資源極多，可自行尋找適當的學習資源。但要注意不同平台上的正規表示式語法稍有差異（一般稱作不同風味（flavor）），把一個平台的正規表示式搬到另一平台使用，往往須稍做調整。

例如JavaScript的正規表示式常寫成形如「/<div>.*?<\/div>/i」，其中頭尾的「/」是定界字元（delimiter），定界字元不是正規表示式的一部分，只是為了在程式語言中標示正規表示式的開始和結束，若正規表示式也會用到定界字元，則也必須做脫義處理，以免被誤判為結尾；結尾後的一或多個字母是調整正規表示式行為的標幟（flag），或稱修飾符號（modifier）。常見標幟如下：

• 「i」：無視大小寫。有此標幟時「a」可以匹配「A」；否則不行。
• 「m」：多行模式。有此標幟時「^」和「$」表示行首和行尾；否則只表示字串開頭和結尾。
• 「s」：有此標幟時「.」可匹配換行字元；否則不匹配。

如前所述，支援正規表示式的軟體工具很多，即使不寫程式，正規表示式也可用於文字資料的搜尋及取代，以簡化許多繁瑣的操作。以下是一些不必寫程式也能使用正規表示式的工具：

• 本站的典籍檢索器：支援用正規表示式搜尋文本，用的是瀏覽器腳本使用的JavaScript語言。
• Notepad++：國人製作的多功能純文字編輯軟體，可使用正規表示式尋找及取代文字，且支援多檔案操作。Notepad++使用的正規表示式是C++的Boost Regex Library。
• LibreOffice：自由且跨平台的辦公室軟體，可使用正規表示式尋找及取代文字。
• Google文件：Google文件和試算表都可以使用正規表示式尋找及取代文字（電腦版）。
• Regex101：此網站可輸入正規表示式及文字做尋找及取代，且會分析解釋輸入的正規表示式，並計算執行時間，既可應用亦可學習。可點擊正規表示式輸入區前後的「/」修改定界字元和標幟，點擊左上方的「☰」設定正規表示式的風味。

一些可參考的資料如下：

1. 用十分鐘學會字串處理的那些事兒：陳鍾誠教授寫的入門教學。
2. Regular-Expressions.info：介紹各種風味的正規表示式，及一些中階技巧。
3. RexEgg：提供一些進階技巧，一般使用未必需要，但要寫出最佳化、高效能的正規表示式可以參考。
4. Mastering Regular Expressions：聖經級的正規表示式教科書，從基本知識到高深技巧都有。網路上有免費版可供閱讀。